多媒體開發（5）&音頻特徵：聲音可以調大一點嗎？
基本上，現在常用的聲音取樣辦法是pcm，而對於壓縮音頻的解碼，得到的也pcm數據。這個pcm數據，只是一堆數值，有正有負，看這個值看不出什麼花樣。
聲音採集，採的是什麼呢？
採的是聲音的強度變化，也是聲音這種能量的強弱變化，這種強弱用分貝來表示，即dB。所以，pcm數據跟這個dB就一定有關係，這個關係是這樣的：
dB=20∗log10(pcm)
pcm=pow(10,(dB/20.0))
模數轉換ADC時常用的位深是16bit，也就是用16位來表示一個sample，這裡不考慮偷懶而使用不足16位的情況。16位能表示65536個值，也就意味著有65536個dB可以表示出來，哪又怎麼樣？很厲害了嗎？
的確是比較厲害的了。
16位的pcm數值，分正負，那正數的範圍是0至32767，負數的範圍是-1至-32768，隨便挑幾個來看看，對應的dB是多少，如下圖：
由上面的運算可知，16位的pcm值，如果不分正負，最大可以表示96dB，如果分正負，也能表示到90dB。90dB是什麼概念？有數據表明（我也不清楚什麼數據），85dB就會傷害了你，90dB相當於摩托車啟動的聲音–你有開過嗎？
所以，你的pcm數據需要去到90dB以上嗎？想禍害誰？一般情況下，能表示到90dB就很夠用了。
既然知道了pcm數值與dB的關係，就可以搞點事情了，比如把pcm轉成dB後再放大一點，再保存成新的文件，是不是播放就可以大聲一點了呢？
來做個實驗。
import math
import math
import wave
import audioread
import contextlib
import sys
import math
import struct
def gainpcm(filepath):
try:
with audioread.audio_open(filepath) as f:
with contextlib.closing(wave.open(filepath+'.wav', 'w')) as of:
of.setnchannels(f.channels)
of.setframerate(f.samplerate)
of.setsampwidth(2)
for buf in f:
for i in range(0, len(buf)-2, 2):
s = buf[i] + buf[i+1]
pcm = struct.unpack('<h', s)[0]
apcm = abs(pcm)
if apcm==0:
apcm=1
db = 20*math.log10(apcm)
db = db * 1.2
apcm=int(math.pow(10, float(db)/20.0))
if apcm>32767:
apcm=32767
if pcm < 0:
pcm=-apcm
else:
pcm = apcm
tbuf = struct.pack('<h', pcm)
of.writeframes(tbuf)
except audioread.DecodeError:
print("File could not be decoded.")
sys.exit(1)
if __name__ == '__main__':
gainpcm('test.mp3')
這裡是對程式碼的簡單解釋：
把一個mp3放過去試驗，出來一個wav，發現wav文件的聲音真的大了好多（好多是因為這裡設置了db*1.2）。但是，另一個問題也暴露出來了，就是聽起來聲音失真很嚴重了，這是因為放大到這個程度，很多apcm都超過了32767，也就是人們說的截頂失真了，看一下原文件與放大後的文件波形圖就更清楚了：
由於不能上傳音頻，這裡就不提供直接的音頻對比了。
由此可見，要想不失真，那db就不要乘那麼大的數啊–另一個辦法：給它限幅（壓幅），或者直接使用更合適的整體技術（靈活變音量跟限幅都考慮進去了）比如agc或drc等，明顯這個不是這裡的內容。
好了，總結一下，本文演示了改變音量的一種最原始的辦法，就是直接改pcm的值（轉dB再改變，其實也可以直接改變pcm值），但這不是最好的辦法，因為它會引入失真的副作用。而從pcm數據中提取出能量（dB），這個也更像是音頻特徵的技能。有緣再見，see you。
